CVPR 2024 | 基于自增强的无监督盲图像去模糊
发布日期:2025-06-08 04:47:27 浏览次数:4 分类:精选文章

本文共 380 字,大约阅读时间需要 1 分钟。

论文信息

题目:Unsupervised Blind Image Deblurring Based on Self-Enhancement
基于自增强的无监督盲图像去模糊
作者:Lufei Chen, Xiangpeng Tian, Shuhua Xiong, Yinjie Lei, Chao Ren

论文创新点

本文提出了一种基于自增强的无监督盲图像去模糊框架,该框架能够无需依赖真实的成对数据集,逐步生成改进的伪清晰和模糊图像对。为此,我们设计了一种新的损失函数——再退化主成分一致性损失( R P ),有效提升了盲图像去模糊的性能。

这种方法的核心创新点在于,通过自增强机制,逐步优化模糊图像的低频信息,实现了对模糊图像的自我修复。同时,设计的再退化主成分一致性损失函数能够有效抑制训练过程中对主成分的过度退化,确保生成的伪清晰图像具有更高的视觉质量。

上一篇:CVPR 2024 | 基于跨模态特征映射的多模态工业异常检测
下一篇:CVPR 2024 | 基于正则化参数不确定性的强化学习泛化能力提升

发表评论

最新留言

初次前来,多多关照!
[***.217.46.12]2026年06月09日 05时59分36秒